Enzo Ferrante
Aprendizaje automático robusto · Equidad y sesgos en aprendizaje automático · Visión por computadora · Procesamiento de lenguaje natural · Imágenes médicas · Aplicaciones en salud y biología
Noticias
Charlas, papers y otras novedades. Desplázate para ver noticias anteriores.
Keynote en el ShapeMI Workshop @ MICCAI 2026 (Estrasburgo): “Learning Anatomically Plausible Shapes for Medical Image Segmentation with Hybrid Graph Neural Networks”. También co-organicé el 4.º workshop FAIMI sobre equidad en imágenes médicas. Leer más →
Entrevista en El Enjambre IA sobre nuestro trabajo en equidad algorítmica. Ver en YouTube →
Participé en el panel “El impacto de la IA en la investigación científica” organizado por Exactas UBA, junto a investigadores e investigadoras de la facultad. Ver en YouTube →
Charla CAIM en la Medical University of Vienna: “Towards robust anatomical segmentation of medical images”. Leer más →
Charla invitada en el Pattern Recognition Lab de la FAU Erlangen-Nürnberg: “Towards robust anatomical segmentation of medical images”. Leer más →
Kaleidoscope, nuestro paper sobre exámenes en el idioma original para evaluar modelos de visión de forma masivamente multilingüe, fue publicado en ICLR 2026. Leer más →
En el marco del Premio Bessel de Investigación de la Fundación Alexander von Humboldt, fui Humboldt Visiting Research Fellow en la Technical University of Munich (Cátedra de IA en Salud y Medicina), trabajando en sesgos de modelos de visión-lenguaje en salud. Leer más →
Nuevo preprint: Mask-HybridGNet, segmentación basada en grafos con correspondencia anatómica emergente a partir de supervisión a nivel de píxel. Leer más →
Nuestro proyecto “Reconstructing regulatory pathways: agentic knowledge graph reasoning for putative crop lncRNAs under climate stress” fue seleccionado para el programa AI for Science de Anthropic, con 20.000 USD en créditos de API para nuestros proyectos científicos. Leer más →
Entrevista en El Colectivo sobre nuestro trabajo en IA y salud. Leer más →
Recibí el Premio Friedrich Wilhelm Bessel de Investigación de la Fundación Alexander von Humboldt (Alemania). Leer más →
Webinar en la serie Datasets through the Looking Glass sobre nuestra experiencia al crear el dataset CheXMask. Ver en YouTube →
Global MMLU, sobre sesgos culturales y lingüísticos en la evaluación multilingüe, publicado en ACL 2025. Leer más →
Nuestro trabajo sobre la equidad de los ensambles profundos y su relación con la dificultad de la tarea por grupo se presentó en ACM FAccT 2025. Leer más →
Di el FUTURE-AI Webinar #3, organizado por la red FUTURE-AI. Ver en YouTube →
Nombrado Distinguished International Associate de la Royal Academy of Engineering (Reino Unido). Leer más →
Participé como uno de los co-organizadores de Khipu 2025, el Encuentro Latinoamericano de Inteligencia Artificial, realizado en Santiago de Chile. Leer más →
Participé en la guía del consorcio FUTURE-AI para una IA confiable y desplegable en salud, publicada en The BMJ. Leer más →
Entrevista con Claudio Martínez en el primer episodio de LAB (Laboratorio de Ideas). Ver en YouTube →
ViG-Bias, descubrimiento y mitigación de sesgos con fundamento visual, presentado en ECCV 2024. Leer más →
Charla en ¡Dátame!, las charlas de LCD en la Universidad de Buenos Aires: “De AlexNet a ChatGPT”. Página del evento →
CheXmask, un dataset a gran escala de máscaras de segmentación anatómica para radiografías de tórax, publicado en Scientific Data. Leer más →
Seminario invitado en iHEALTH, Pontificia Universidad Católica de Chile, sobre equidad en aprendizaje automático para el análisis de imágenes médicas. Página del evento →
Nuestro trabajo sobre fenotipado no supervisado de la morfología del corazón y genes, liderado por Rodrigo Bonazzola y Alejandro Frangi, se publicó en Nature Machine Intelligence. Leer más →
Invitado en el podcast AI-ready Healthcare, conversando sobre equidad en IA médica. Escuchar en Spotify →
Nuestro proyecto “Leveraging VLMs to Detect and Explain Hidden Biases in Image-Based Systems” fue financiado por el Googler Initiated Grants Program de Google (2024–2025).
Profesor invitado en la Université Paris-Saclay (CentraleSupélec) durante 2023–2024, financiado por el Instituto DATAIA. Leer más →
Seminario DATAIA en la Université Paris-Saclay: mejora de la plausibilidad anatómica y auditoría de equidad en redes profundas de segmentación. Ver en YouTube →
Nuestro proyecto financiado por el programa Google AIR sobre sesgos en IA para imágenes médicas fue destacado por La Nación. Leer más →
Entrevista en Desde el Conocimiento sobre IA para predecir diagnósticos de salud. Ver en YouTube →
Fui Local Co-Chair de IPMI 2023, la conferencia de Information Processing in Medical Imaging realizada en Bariloche, Argentina. Leer más →
Clases sobre aprendizaje profundo avanzado para imágenes médicas en la IEEE EMBS Summer School on Biomedical Imaging, Cartagena. Página del evento →
Seminario en el Pioneer Centre for AI, Copenhague: equidad del aprendizaje automático en el análisis de imágenes médicas. Página del evento →
Nuestra perspectiva Addressing fairness in artificial intelligence for medical imaging se publicó en Nature Communications (con M. A. Ricci Lara y R. Echeveste). Leer más →
Fui invitado a moderar la presentación de Lelia Marie Hampton en el ciclo de charlas AI for Good: “AI enabled public health from a marginalized perspective”. Leer más →
Invitado en el TN Podcast Se tildó: “El algoritmo nos discrimina”. Escuchar en Spotify →
Recibí el Google Award for Inclusion Research por nuestro proyecto sobre descubrimiento de sesgos en modelos de imágenes médicas. Leer más →
Se publicó nuestro libro ¿Aprendizaje automágico? Un viaje al corazón de la inteligencia artificial contemporánea, dirigido por mí y escrito junto a Laura Alonso Alemany, Diego Fernandez Slezak, Luciana Ferrer, Diego Milone y Georgina Stegmayer, por Vera Cartonera (Universidad Nacional del Litoral). Leer más →
El 6 de diciembre di un seminario en el ciclo AI for Good organizado por la Unión Internacional de Telecomunicaciones (UIT, Naciones Unidas): “Fairness of machine learning classifiers in medical image analysis”. Leer más →
Nuestro trabajo en ARPH.AI sobre la desbinarización de la identidad de género en la Historia Clínica Electrónica de Argentina fue destacado por el programa Global South AI for COVID. Leer más →
Seminario invitado en el Responsible AI Seminar organizado por la Technical University of Denmark (DTU): “Gender bias in X-ray classifiers for computer-assisted diagnosis”. Leer más →
Nuestro paper Domain Generalization via Gradient Surgery fue aceptado en ICCV 2021. Leer más →
Recibí la Mención de Honor como Revisor de MICCAI 2021. Leer más →
Me incorporé al A. Martinos Center for Biomedical Imaging (Massachusetts General Hospital, Harvard Medical School) en Boston como investigador visitante Fulbright, trabajando con Juan Eugenio Iglesias, Adrian Dalca y Bruce Fischl. Leer más →
HybridGNet, redes convolucionales de grafos híbridas para segmentación anatómica basada en puntos de referencia, aceptado en MICCAI 2021 (con N. Gaggion, L. Mansilla y D. Milone). Leer más →
Recibí el premio Outstanding Reviewer de CVPR 2021. Leer más →
Nuestro trabajo Orthogonal Ensemble Networks for Biomedical Image Segmentation fue aceptado tempranamente en MICCAI 2021 (con A. Larrazabal, C. Martinez y J. Dolz). Leer más →
Keynote invitada en Khipu 2021: aprendizaje autosupervisado en análisis de imágenes biomédicas, junto a Yann LeCun y Sandra Avila. Ver grabación →
Nicolás Nieto recibió el Junior Research Parasite Award por nuestro trabajo sobre el desbalance de género en datasets de imágenes médicas, publicado en PNAS. Leer más →
Recibí el Premio Mercosur de Ciencia y Tecnología en el tema de Inteligencia Artificial. Leer más →
Nuestro estudio de PNAS sobre el desbalance de género en datasets de imágenes médicas fue destacado en Scientific American, en el artículo “Health Care AI Systems Are Biased”. Leer más →
Recibimos un International Exchanges Grant de la Royal Society (Reino Unido) para apoyar nuestro proyecto de Imaging Genetics con Alex Frangi y Rodrigo Bonazzola (University of Leeds). Leer más →
Computer Vision News publicó una entrevista a Franco Matzkin, uno de mis estudiantes de doctorado, sobre nuestros papers de MICCAI y del AutoImplant Challenge sobre reconstrucción de cráneos. Leer más →
Recibí el Premio Estímulo a Jóvenes Investigadores de la Academia Nacional de Ciencias Exactas, Físicas y Naturales de Argentina. Leer más →
Nuestro trabajo Cranial Implant Design via Virtual Craniectomy with Shape Priors (con F. Matzkin, V. Newcombe y B. Glocker) recibió el Best Paper Award en el MICCAI AutoImplant Workshop 2020. Leer más →
Co-organicé el 3.er International Workshop on Graphs in Biomedical Image Analysis (GRAIL) en MICCAI 2020. Leer más →
Julian Palladino presentó nuestro trabajo sobre adaptación de dominio no supervisada mediante CycleGAN para segmentación de hiperintensidades de materia blanca en SIPAIM 2020. Leer más →
Charla invitada en el seminario del Center for Imaging Science (CIS) y el Mathematical Institute for Data Science (MINDS), Johns Hopkins University, sobre procesamiento de imágenes médicas anatómicamente plausible. Ver grabación →
Invitado a presentar nuestro trabajo en PNAS sobre desbalance de género en datasets de imágenes médicas en el Stanford AIMI Journal Club. Ver en YouTube →
Nuestro artículo sobre el desbalance de género en datasets de imágenes médicas se publicó en PNAS y fue destacado por STAT News. Leer más →
Charla plenaria en Khipu 2019 en Montevideo: introducción a las redes neuronales convolucionales. Ver en YouTube →
Acerca de mí
Soy Investigador Independiente del CONICET en Buenos Aires, Argentina, donde lidero un grupo sobre Aprendizaje Automático Robusto para Salud y Biología en el Laboratorio de Inteligencia Artificial Aplicada - LIAA (CONICET / Universidad de Buenos Aires). También soy profesor en la Universidad Torcuato Di Tella y en la Universidad de San Andrés. En 2012 obtuve mi título de Ingeniero de Sistemas en la Universidad Nacional del Centro (UNICEN), en Tandil, Argentina. En mayo de 2016 defendí mi tesis doctoral en Ciencias de la Computación en la Université Paris-Saclay (CentraleSupélec / INRIA), en París, Francia, donde trabajé en registración deformable de imágenes médicas multimodales bajo la supervisión del Prof. Nikos Paragios. Luego, hasta agosto de 2017, fui investigador posdoctoral en el Imperial College London (laboratorio BioMedIA), bajo la supervisión del Prof. Ben Glocker, trabajando en aprendizaje profundo y segmentación de imágenes cerebrales.
Desde 2022 también soy Head of Machine Learning de Apolo Biotech, una startup biotecnológica especializada en tecnologías de ARN para plantas, y Academic Leader de Anyone AI, una startup de educación enfocada en formar el mayor conjunto de talento en IA de América Latina.
También he trabajado en varios institutos de investigación alrededor del mundo. En 2023 fui profesor invitado durante medio año en la Université Paris-Saclay (CentraleSupélec), en París, Francia. En 2021 recibí una Beca Fulbright para visitar el A. Martinos Center for Biomedical Imaging (Massachusetts General Hospital - Harvard Medical School) en Boston. En 2014, como pasante de doctorado, pasé 3 meses trabajando en comprensión de formas en el Computer Vision and Geometry Lab de la Stanford University, California, Estados Unidos. Durante 2010 fui pasante en el equipo STEEP (INRIA Grenoble, Francia), trabajando en modelado matemático de transporte y uso del suelo. Antes de mudarme a Buenos Aires, fui investigador del CONICET en el Instituto de Investigación en Señales, Sistemas e Inteligencia Computacional, sinc(i), en Santa Fe, Argentina.
Contacto
Ponte en contacto
eferrante (at) dc (dot) uba (dot) ar
Oficina 2111
Edificio 0+Infinito, Ciudad Universitaria
Güiraldes 2160, Buenos Aires, Argentina
Laboratorio de Inteligencia Artificial Aplicada (LIAA), CONICET / Universidad de Buenos Aires